Terakreditasi

searching

INSTITUT TEKNOLOGI NASIONAL

MALANG

www.itn.ac.id
CLO
Mengimplementasikan
penyelesaian sederhana
dengan searching
Bahan Kajian
Pencarian Buta

Metode Penyelesaian
Searching Optimum

Permainan
 Pencarian Buta
Penyelesaian Optimum Penyelesaian Optimum

• Breadth-First
• Depth-First
• Hill Climbing
• Beam
• Best-First
 FITRI UTAMINIGRUM

Penyelesaian Optimum
Pencarian Buta Penyelesaian Optimum

• British Museum
• Branch and Bound
• Dynamic Programming
 Penyelesaian Optimum
Pencarian Buta Penyelesaian Optimum

• Minimax
• Alpha-Beta Prunning
Pohon Pelacakan (Tree)
• Struktur pohon digunakan untuk menghindari kemungkinan
adanya proses pelacakan suatu node secara berulang
• Struktur pohon digunakan untuk menggambarkan keadaan
secara hirarkis
Contoh Graph yang berisi Path antar Kota

Simpul S merupakan awal dan simpul Z adalah tujuan

 Struktur Tree dari Graph
diatas adalah: S
A B

B D A C

C C F D E D

E D B E C F Z A F

Z F Z E

Z
A. Breadth-First Search
• Pada metode Breadth-First Search, semua node pada level n
akan dikunjungi terlebih dahulu sebelum mengunjungi node-
node pada level n+1.
• Pencarian dimulai dari node akar terus ke level ke-1 dari kiri
kekanan, kemudian berpindah ke level berikutnya demikian
pula dari kiri kekanan sampai ditemukannya solusi.
A. Breadth-First Search
S
A B

B D A C

C C F D E D

E D B E C F Z A F

Z F Z E

Z
A. Breadth-First Search
Algoritme
• Buat sebuah antrian, inisialisasi node pertama dengan Root dari Tree
• Bila node pertama tidak samadengan GOAL, maka diganti dengan
anak-anaknya dan diletakkan dibelakang PER LEVEL.
• Bila node pertama = GOAL maka selesai
A. Breadth-First Search

......
......
......
Danseterusnya..

Lintasannya: S-B-C-E-Z
B. Depth-First Search
• Pada Depth First Search:Proses akan dilakukan pada semua
anaknya sebelum dilakukan pencarian ke node-node yang
selevel.
• Pencarian dimulai dari node akar ke level yang lebih tinggi.
• Proses ini diulangi terus sampai ditemukan solusinya.
B. Depth-First Search
Algoritme
• Buat sebuah antrian, inisialisasi node pertama dengan Root dari
Tree
• Bila node pertama tidak samadengan GOAL, maka node dihapus
dan diganti dengan anak-anaknya dengan urutan L-Child
• Bila node pertama = GOAL maka selesai
B. Depth-First Search

Lintasannya: S-A-B-C-E-Z
 B. Depth-First Search S
A B

B D A C

C C F D E D

E D B E C F Z A F

Z F Z E

Z
C. Hill Climbing Search
Algoritme
• Buat sebuah antrian, inisialisasi node pertama dengan Root
dari Tree
• Bila node pertama tidak samadengan GOAL, maka node
dihapus dan diganti dengan anak-anaknya dengan urutan yang
paling kecil jaraknya.
• Bila node pertama = GOAL maka selesai
C. Hill Climbing Search

Lintasannya adalah: S-B-C-E-Z

C. Hill Climbing Search
4 S 3
A B
5 3

B D A C
2 5

C C F D E D
2

E D B E C F Z A F

Z F Z E

Z
D. Best First Search
• Merupakan kombinasi dari metode Depth First Search
dan Breadth First Search.
• Proses dilakukan dengan melakukan penelusuran
terhadap setiap node yang memiliki estimasi terpendek.
D. Best First Search
Algoritme
• Buat sebuah antrian, inisialisasi node pertama dengan Root dari Tree
• Bila node pertama tidak samadengan GOAL, maka node dihapus dan
diganti dengan anak-anaknya, kemudian keseluruhan node yang ada
di Queue di-sort Ascending.
• Bila node pertama = GOAL maka selesai
D. Best First Search S
A B

B D A C

C C F D E D

E D B E C F Z A F

Z F Z E

Z
A. Branch and Bound
Pada metode ini tidak diperlukan estimasi jarak tiap node
menuju GOAL
Algoritme:
• Buat sebuah antrian, inisialisasi node pertama dengan
Root dari Tree
• Bila node pertama tidak samadengan GOAL, maka lintasan
parsial diganti dengan lintasan parsial+node child,
semuanya diatur berdasarkan harga yang diurut secara
ascending
• Bila node pertama = GOAL maka selesai
 PENCARIAN OPTIMAL
C. Branch and Bound dengan Dynamic Programming

• Metode ini sama dengan Branch and Bound

• Hanya saja dilakukan reduksi lintasan parsial yang menuju
kesuatu node yang pernah dikunjungi sebelumnya.
• Pada metode ini diperlukan estimasi jarak pada tiap node
menuju Goal.
C. Branch and Bound dengan Dynamic Programming
A. Metode Minimax
• John von Neumann di tahun 1944 menguraikan sebuah
algoritma pencarian pada game yang dikenal dengan nama
Minimax.
• Metode ini berjalan dengan melakukan proses pada tiap level.
• Proses yang dilakukan bergantian yaitu mencari nilai minimum
yang kemudian pada node parent-nya dilakukan pencarian
untuk nilai maksimumnya.
B. Alpha Beta Prunning
• Kondisi awal dari sebuah keadaan seperti pada Gambar
B. Alpha Beta Prunning
• Kondisi awal dari sebuah keadaan seperti pada Gambar
TERIMAKASIH